R语言使用GA包优化支持因子与数值输入的自定义函数配置问题

核心问题说明 #

原有配置存在3个明显错误：

1. 实值类型GA（type = "real-valued"）不支持字符串类型的上下界配置，运行会直接报错
2. 未对多选因子r1做编码适配，GA无法直接处理因子组合类输入
3. 目标函数未处理空筛选子集的异常，会产生NA值导致优化中断

解决方案 #

步骤1：修正目标函数定义 #

补全筛选逻辑，增加空子集惩罚处理，避免出现无效返回值：

library(dplyr)
# 示例测试数据集，可替换为自己的my_data
set.seed(123)
my_data <- data.frame(
  col_1 = sample(c("a","b","c","d"), 1000, replace = T),
  col_2 = runif(1000, 1, 100),
  col_3 = rnorm(1000, 50, 10)
)

my_function <- function(r1, r2) {
  # 筛选符合条件的子集
  part1 <- my_data %>%
    filter(col_1 %in% r1, col_2 > r2)
  # 空子集惩罚：若要最小化均值则改为返回Inf
  if(nrow(part1) == 0) return(-Inf)
  # 返回col_3的均值
  return(mean(part1$col_3))
}

步骤2：参数编码与GA配置 #

将输入参数编码为长度为5的实值染色体：

• 第1-4位：取值范围0-1，四舍五入后为0/1，分别对应是否选中因子a、b、c、d
• 第5位：取值范围1-100，对应数值参数r2

GA配置代码如下：

library(GA)
GA <- ga(
  type = "real-valued",
  fitness = function(x) {
    # 转换前4位为r1的选中组合
    r1 <- c("a","b","c","d")[round(x[1:4]) == 1]
    # 读取第5位为r2，若要求r2为整数可改为round(x[5])
    r2 <- x[5]
    return(my_function(r1, r2))
  },
  # 正确的上下界配置
  lower = c(rep(0,4), 1),
  upper = c(rep(1,4), 100),
  popSize = 50,
  maxiter = 1000,
  run = 100,
  # 可选：开启并行加速
  parallel = TRUE
)

步骤3：最优结果解析 #

优化完成后可通过以下代码提取实际参数：

# 提取最优解编码
best_sol <- GA@solution[1,]
# 转换为实际业务参数
best_r1 <- c("a","b","c","d")[round(best_sol[1:4]) == 1]
best_r2 <- best_sol[5]
# 输出结果
cat("最优r1组合：", paste(best_r1, collapse = ","), "\n")
cat("最优r2取值：", round(best_r2, 2), "\n")
cat("最优col_3均值：", round(GA@fitnessValue, 2), "\n")

注意事项 #

• 若优化目标为最小化col_3均值，只需在fitness函数的返回值前添加负号，同时将空子集惩罚值改为Inf
• 可根据数据量调整popSize、maxiter参数，数据量较小时可适当降低参数减少运行时间

内容的提问来源于stack exchange，提问作者stats_noob